课程引导

课程伊始，课程负责人、城市交通研究院副院长吴娇蓉教授对课程进行了整体介绍，随后各课题指导老师对题目逐一进行讲解。“城市交通挑战周”是学科交叉研究能力训练课程包中的一门特色实践课程，7个课题融合交通工程、城乡规划、经济管理、电子信息、人工智能等多个学科的知识与方法，旨在帮助不同专业背景的同学们了解城市交通领域前沿动态，培养从多维度观察和研究城市交通问题的能力，增强学科交叉研究能力。

专家讲座

本次挑战周共安排四场专题讲座。城市交通研究院唐克双教授以《自主式交通系统（ATS）：基本概念、关键技术及典型应用》开讲，系统介绍了自主式交通系统的基本概念、关键技术与应用场景；上海随申行智慧交通科技有限公司数据业务经理李曦结合《上海市定制公交平台产品设计与实践》，分享了定制公交产品从设计到运营的一线实践；深城交科技集团股份有限公司江苏数科总经理陈志建以《人工智能及数字孪生技术赋能城市交通规划、设计与治理》为题，展示了人工智能与数字孪生技术在城市交通规划、设计与治理中的前沿应用；城市交通研究院郭赟韬副教授以《数智赋能交通运输行业绿色转型》收束，探讨了数字化、智能化浪潮下交通运输行业的绿色转型路径。四场讲座贯通“技术前沿—规划设计—绿色转型—产品实践”，为同学们打开了观察城市交通的多重视角，也为课题研究注入了源头活水。

课题研究

今年的挑战周结合城市交通热点问题与研究可行性，设计了7个课题。28名同学结合自身研究兴趣选题分组，4人一组形成7个小组，在8位指导老师的带领下开展课题研究。7个课题围绕多源数据分析与智能技术应用展开，涉及内容从网络舆情、社交媒体视频、模拟机眼动、毫米波雷达轨迹等多源数据的采集与解析，到乘客满意度评估、智能驾驶缺陷归因、交叉口信号控制优化、出行链模式挖掘、街巷活力营造与道路空间生成设计。历经开题研讨、中期交流与集中攻关等阶段，不同学科背景的思想在碰撞中融合，最终汇聚为各具特色的研究成果。

汇报答辩

10月10日下午，7个课题小组依次进行了课题成果汇报，从午后一点半一直持续到傍晚。课程负责人吴娇蓉教授与各课题指导老师组成专家组，在听取汇报后对各组成果逐一进行了点评。专家们对同学们的研究成果与汇报表现给予了肯定，同时也指出了研究中存在的不足，为各个课题指明了后续深化方向。

第一组《基于模拟机眼动数据的飞行员眼动模式对比研究建议》（指导老师：岳李圣飒 副教授）

眼动数据是刻画注意力分配与情境感知的客观窗口。课题聚焦低能见度条件下的五边进近任务，将眼动记录——注视、扫视、眼跳、眨眼等眼动指标与模拟机参数（无线电高度、下滑角等飞行参数）、情境变量（天气、能见度、接地区灯光等）及人员因素融为一体；针对500英尺下降至50英尺的进近全程，对比分析不同飞行员群体的眼动模式差异，挖掘注意力分配规律与情境感知特征，为飞行训练与人因研究提供数据支撑和参考建议。

点评：专家肯定了课题组在模型构建思路与变量选择上的初步思考，同时建议：结论部分应引入P值检验论证差异的显著性，偏差值在不同环境下的变化规律也需纳入考量，进一步夯实眼动模式对比研究的科学基础；汇报展示上，可先对“飞行员眼动模式”“对比研究”等关键概念作拆解铺垫，讲清样本的获取方式与样本量意义，让对此内容不甚熟悉的听众更快进入课题语境。

第二组《活力街巷的多维测度、时空特征与营造策略研究》（指导老师：惠英 副教授）

街道是城市公共生活的容器，活力街巷是城市烟火气与人文魅力的集中体现。课题以上海LBS数据为基础，历经基础校验、用户日内清洗、POI属性关联与研究区匹配等层层工序，从8.78亿条原始定位记录中提纯出2.49亿条有效活动记录，锁定231.7万名到访用户；在此基础上构建街巷活力的多维测度指标，对18个典型商圈街巷的活力特征进行画像，并开发了集成商户空间分布、活力热力图、商圈综合特征雷达图等模块的交互式分析系统，让数据驱动的活力诊断与营造策略“看得见、可交互”。

点评：专家充分肯定了课题的工作量与研究细节，同时建议进一步聚焦重点片区深化研究；若辅以访谈等质性方法，需提前设计好访谈问题，让定量测度与现场洞察相互印证；汇报中也可主动补充介绍研究的不足之处，使成果呈现更加完整客观。

第三组《基于大学校园场景的道路空间多模态感知与生成式优化设计技术》（指导老师：刘翔 助理教授）

大学校园是道路空间精细化设计的天然试验场。课题以同济大学嘉定校园道路空间为对象，通过多模态感知手段获取道路空间要素与使用状态，构建道路空间的多维画像；进而引入生成式人工智能技术，探索“感知—诊断—生成”的道路空间优化设计新范式，为校园及同类场景的道路空间设计提供新的技术路径。

点评：专家认为课题完成度较高、研究路线清晰，同时建议进一步凸显交通工程的专业视角：以人工设计改善方案为参照，与大模型生成方案进行效果对比，检验生成式技术的实际增益；改善措施也可再向深处落地，如共享单车现场管制、增开教学楼出入口等具体抓手，让优化方案真正回应校园交通的运行细节。

第四组《基于多源数据的新能源汽车出行目的识别及出行链模式挖掘》（指导老师：郭赟韬 副教授）

新能源汽车的快速普及为理解居民出行行为提供了新样本。课题融合多源数据，按照“出行目的识别—活动链构建—车辆群体分类”的递进路径展开研究：构建新能源汽车出行目的识别方法，还原并挖掘车主的出行链模式，归纳不同出行目的下的出行链特征，并据此对车辆群体进行分类刻画，为交通需求分析与管理政策制定提供数据支撑。

点评：专家肯定了课题扎实的研究工作，以及“为运营方提供了解用户的方法”的应用价值；同时建议：活动识别的判断逻辑需交代清楚，商业综合体等混合业态的活动区分、周末与工作日的出行模式差异都应纳入考量；研究目的的定位、成果为决策服务还是为运营服务需更加明确；做研究前宜先对车辆出行模式形成预判，再与数据结论相互印证，关键结论的论证、样本规模与观测时长、参数来源也需进一步夯实；并建议与已有研究方法作对比，凸显本课题方法的差异与优势，在现有基础上继续深入研究与拓展。

第五组《基于社交媒体视频的智能驾驶系统缺陷线索提取与归因方法研究》（指导老师：田野 教授）

随着智能驾驶汽车加速走进大众生活，社交平台上的海量真实行驶视频为审视智能驾驶系统的实际表现提供了新窗口。课题以社交媒体视频为数据源，提取智能驾驶系统在真实道路场景中的缺陷线索，构建“关键事件线索—候选解释—整段视频结论”的归因框架，将画面证据、解说与评论信息交叉比对；以夜间施工区碰撞等典型场景为例，对“系统避障响应不足”“驾驶员接管时机”等候选解释逐一核验，形成可追溯的归因分析，为智能驾驶系统的实际表现评估提供新的观察视角与方法参考。

点评：专家肯定了课题的探索价值，同时建议：智能体分析流程可向批量化阶段推进，以支撑更大规模的视频样本；鉴于平台公开可见的评论仅是实际舆论的“冰山一角”，且直接评议非官方发表的网络评论存在舆论风险，后续需在数据分析的准确性、样本代表性与合规性上继续打磨，人工标注环节也有待完善。

第六组《基于网络舆情数据的城市轨道交通乘客满意度评估与优化建议》（指导老师：滕靖 教授）

轨道交通是城市公共交通的骨干网络，乘客满意度是衡量运营服务质量的重要标尺。课题从网络平台的海量舆情信息入手，采集并解析乘客对轨道交通服务的真实评价，构建乘客满意度评估方法，将散落在网络中的出行体验转化为可量化、可比较的评估结果，并结合评估发现提出服务优化建议。

点评：专家肯定了课题的项目完整性，同时对题目中“满意度”的表述提出商榷：基于网络舆情数据所评估的乘客评价，与“满意度”这一概念的对应关系是否严谨，值得再作推敲，使研究对象的界定更加准确。

第七组《基于毫米波雷达车辆轨迹感知的单点交叉口自适应信号控制方法》（指导老师：唐克双 教授 朱宏 副教授）

信号控制是城市交通精细化治理的关键环节。课题以毫米波雷达感知的车辆轨迹数据为基础，实现对交叉口车辆运行状态的感知，在此基础上设计单点交叉口自适应信号控制方法，探索“轨迹感知—状态估计—信号优化”的技术闭环，为城市路口的实时化、精细化治理提供方法参考。

点评：专家肯定了课题完整的仿真验证流程，同时建议：交叉口建模目前以机动车道为主，可考虑增设非机动车道并相应调整需求方案，更贴近真实路口的混合交通构成；算法设计中若进一步纳入行人与机动车因素，也有望提升控制模型的效果。

最后，吴娇蓉教授对本次“城市交通挑战周”进行了总结。她充分肯定了同学们四周以来的投入与成长：从开题时对课题的懵懂试探，到中期交流时的思路碰撞，再到答辩台上的从容陈述，7个小组均以真实数据和智能技术完成了各自的研究任务，展现出多学科背景交融下新生力量的研究潜力；各指导老师在选题设计、方法把关与过程指导中的悉心付出，也让这场“研究初体验”有深度、更有温度。

她同时为同学们今后的科研学习提出建议：一要注重研究思维与逻辑闭环，从问题提出、方法设计到结论论证，每一步都要经得起追问；二要主动与导师交流，在思维碰撞中不断校准研究方向；三要珍惜团队协作，让“1+1>2”的合力成为研究路上的常态。她期待同学们带着挑战周点燃的研究热情，在城市交通交叉学科的广阔天地中继续深耕。

结语

四周时光虽短，收获满载而归。同学们以数据为基、以智能为翼，在真实课题中完成了从“学习者”到“研究者”的第一次跨越。未来，愿大家继续以数据言说城市之变，以智慧点亮交通之治——“数”说交通，“智”理城市。期待2026级的同学们在城市交通交叉学科的广阔天地中，书写属于自己的精彩篇章。

学生感言

第一组邵雯琪：“第一次在模拟机前接触眼动数据时，我们连‘注视’和‘扫视’都要现查定义；四周后站上答辩台，已经能把500英尺到50英尺进近全程的注意力分配讲得清清楚楚。专家点评时提到的P值检验，也让我们看到了自己与‘严谨’二字的距离——研究，才刚刚开始。”

第二组李迪颖：“处理8.78亿条LBS数据的那些夜晚，我们才真切体会到‘数据清洗占研究的八成时间’这句话的分量。但当商圈活力分析系统在屏幕上跑起来、18个商圈的活力画像一一展开时，所有的争论和返工都值了。”

第五组严正航：“这几周我们像侦探一样，在一段段社交媒体视频里为智能驾驶系统‘找茬’。被专家追问归因框架的那一刻才意识到，‘让结论可追溯’说来简单、做到很难——但正是这种被追问，让我们真正踏进了研究的门。”